Lstm RNN的Keras实现

我将LSTM编码如下。现在我想比较RNN和LSTM的性能。实际上，我知道LSTM是RNN的一种。但我如何从RNN获取Keras的结果？我在Keras上找不到合适的RNN代码示例

model = Sequential()
model.add(LSTM(15, input_shape=(max_fixation_length, feature_size,), return_sequences=True))
model.add(Flatten())
model.add(Dense(1, activation='sigmoid'))
# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])enter code here

---

另外，我也读过这个链接。但是，我无法运行它。因为Keras给出了这个错误“未定义的名称‘SimpleRNN’”

我理解您面临的基本问题是“如何使用Keras培训RNN（LSTM毕竟是一种RNN）”。我会给你指出

---

是一个简单的脚本，演示如何培训LSTM。您应该能够按原样运行此脚本。要回答为什么会出现未定义名称“SimpleRN”的特定错误，您似乎忘记导入

SimpleRN

。尝试按照我共享的脚本/链接进行操作，并让我知道它是否适合您：）

我知道您面临的基本问题是“如何使用Keras培训RNN（LSTM毕竟是一种RNN”）。我会给你指出

---

是一个简单的脚本，演示如何培训LSTM。您应该能够按原样运行此脚本。要回答为什么会出现未定义名称“SimpleRN”的特定错误，您似乎忘记导入

SimpleRN

。尝试按照我共享的脚本/链接进行操作，并让我知道它是否适合您：）

只需首先导入必要的库即可。首先预处理数据，然后建立模型，训练数据集，最后你可以做预测部分，只需先导入必要的库即可。首先对数据进行预处理，然后建立模型，训练数据集，最后进行预测